特許ウォッチ

公開番号2025095543
公報種別公開特許公報(A)
公開日2025-06-26
出願番号2023211615
出願日2023-12-15
発明の名称半田検査装置及び半田検査方法
出願人CKD株式会社
代理人個人
主分類G01N 21/956 20060101AFI20250619BHJP(測定;試験)
要約【課題】AIモデルとしての識別手段を得るための労力や負担を低減することができるとともに、識別手段をランドのサイズが異なる場合であっても共通に利用可能とする。
【解決手段】所定のニューラルネットワークに対し、良品のクリーム半田に係る画像データのみを学習データとして学習させて生成したAIモデル101～103に対し、カメラ32dにより取得した画像データに基づく検査用画像データを入力して再構成画像データを取得し、検査用画像データ及び再構成画像データを比較することで、クリーム半田の良否を判定する。学習データは、1のランドに対応するクリーム半田を示す1の半田領域画像を、該1の半田領域画像のサイズよりも大きなサイズの画像枠に設けてなるものとされる。検査用画像データは、カメラ32dにより取得された画像データから抽出した1の半田領域画像を、学習データの画像枠と同サイズの画像枠に設けてなるものとされる。
【選択図】図5
特許請求の範囲【請求項１】
プリント基板に印刷されたクリーム半田を検査するための半田検査装置であって、
クリーム半田の印刷部分を含む前記プリント基板における所定の被検査領域の画像データを取得可能な画像データ取得手段と、
入力される画像データから特徴量を抽出する符号化部、及び、該特徴量から画像データを再構成する復号化部を有するニューラルネットワークに対し、良品のクリーム半田に係る画像データのみを学習データとして学習させて生成した識別手段と、
前記画像データ取得手段により取得した画像データに基づき、検査対象のクリーム半田の画像を含む検査用画像データを取得する検査用画像データ取得手段と、
前記検査用画像データを前記識別手段へ入力して再構成された画像データを再構成画像データとして取得可能な再構成画像データ取得手段と、
前記検査用画像データ及び前記再構成画像データを比較可能な比較手段とを備え、
前記比較手段による比較結果に基づき、クリーム半田の良否を判定可能に構成されており、
前記学習データは、１のランドに対応するクリーム半田を示す１の半田領域画像を、該１の半田領域画像のサイズよりも大きなサイズの画像枠に設けてなるものであり、
前記検査用画像データ取得手段は、前記画像データ取得手段により取得された画像データから抽出した前記１の半田領域画像を、前記学習データの画像枠と同サイズの画像枠に設けてなる、前記学習データと同サイズの前記検査用画像データを取得することを特徴とする半田検査装置。
続きを表示（約 2,300 文字）【請求項２】
前記画像データ取得手段により取得された画像データから、前記検査用画像データを構成する前記１の半田領域画像を抽出する半田領域画像抽出手段を備え、
前記半田領域画像抽出手段は、前記画像データ取得手段により取得された画像データにおけるクリーム半田の占める領域を特定するとともに、特定した領域における連結成分の画像を、前記検査用画像データを構成する前記１の半田領域画像として抽出可能であることを特徴とする請求項１に記載の半田検査装置。
【請求項３】
前記半田領域画像抽出手段は、前記連結成分のうち、設計データ又は製造データ上の１のランドに少なくとも一部が重なるものの全体の画像を、前記検査用画像データを構成する前記１の半田領域画像として抽出可能であることを特徴とする請求項２に記載の半田検査装置。
【請求項４】
入力される画像データから特徴量を抽出する符号化部、及び、該特徴量から画像データを再構成する復号化部を有するニューラルネットワークに対し、良品のクリーム半田に係る画像データのみを第二学習データとして学習させて生成した第二識別手段を備え、
前記第二学習データは、前記１の半田領域画像を、該１の半田領域画像のサイズよりも大きい一方、前記学習データの画像枠のサイズよりも小さなサイズの第二画像枠に設けてなるものであり、
前記画像データ取得手段により取得された画像データから抽出した前記１の半田領域画像のサイズが前記第二画像枠のサイズよりも小さなものである場合、前記検査用画像データ取得手段は、前記第二画像枠に前記１の半田領域画像を設けてなる、前記第二学習データと同サイズの前記検査用画像データを取得し、前記再構成画像データ取得手段は、該検査用画像データを前記第二識別手段に入力して再構成された前記再構成画像データを取得し、前記比較手段は、該検査用画像データ及び該再構成画像データを比較するように構成されていることを特徴とする請求項１に記載の半田検査装置。
【請求項５】
入力される画像データから特徴量を抽出する符号化部、及び、該特徴量から画像データを再構成する復号化部を有するニューラルネットワークに対し、円形のランドに印刷される良品のクリーム半田に係る画像データのみを円形対応用学習データとして学習させて生成した円形対応用識別手段を備え、
前記円形対応用学習データは、円形のランドに印刷される良品のクリーム半田に係る前記１の半田領域画像を、該１の半田領域画像のサイズよりも大きなサイズの円形対応用画像枠に設けてなるものであり、
前記画像データ取得手段により取得された画像データから抽出した前記１の半田領域画像が円形のランドに対応するものである場合、前記検査用画像データ取得手段は、前記円形対応画像枠に前記１の半田領域画像を設けてなる、前記円形対応用学習データと同サイズの前記検査用画像データを取得し、前記再構成画像データ取得手段は、該検査用画像データを前記円形対応用識別手段に入力して再構成された前記再構成画像データを取得し、前記比較手段は、該検査用画像データ及び該再構成画像データを比較するように構成されていることを特徴とする請求項１に記載の半田検査装置。
【請求項６】
前記学習データ及び前記検査用画像データは、前記１の半田領域画像の中心又は重心が前記画像枠の中心と一致し、かつ、該１の半田領域画像の長辺又は短辺が予め定めた向きに沿って延びるように設定したものであることを特徴とする請求項１に記載の半田検査装置。
【請求項７】
前記比較手段は、前記検査用画像データにおける前記１の半田領域画像のみを比較対象として、前記検査用画像データ及び前記再構成画像データの比較を行うことが可能に構成されていることを特徴とする請求項１に記載の半田検査装置。
【請求項８】
プリント基板に印刷されたクリーム半田を検査するための半田検査方法であって、
クリーム半田の印刷部分を含む前記プリント基板における所定の被検査領域の画像データを取得可能な画像データ取得工程と、
前記画像データ取得工程により取得した画像データに基づき、検査対象のクリーム半田の画像を含む検査用画像データを取得する検査用画像データ取得工程と、
入力される画像データから特徴量を抽出する符号化部、及び、該特徴量から画像データを再構成する復号化部を有するニューラルネットワークに対し、良品のクリーム半田に係る画像データのみを学習データとして学習させて生成した識別手段を用い、前記検査用画像データ取得工程により取得された検査用画像データを前記識別手段へ入力して再構成された画像データを再構成画像データとして取得可能な再構成画像データ取得工程と、
前記検査用画像データ及び前記再構成画像データを比較する比較工程とを含み、
前記比較工程における比較結果に基づき、クリーム半田の良否を判定し、
前記学習データは、１のランドに対応するクリーム半田を示す１の半田領域画像を、該１の半田領域画像のサイズよりも大きなサイズの画像枠に設けてなるものであり、
前記検査用画像データ取得工程では、前記画像データ取得工程により取得された画像データから抽出した前記１の半田領域画像を、前記学習データの画像枠と同サイズの画像枠に設けてなる、前記学習データと同サイズの前記検査用画像データを取得することを特徴とする半田検査方法。

発明の詳細な説明【技術分野】
【０００１】
本発明は、基板に設けられた半田を検査するための半田検査装置及び半田検査方法に関する。
続きを表示（約 2,000 文字）【背景技術】
【０００２】
一般に、プリント基板上に電子部品を実装する基板製造ラインにおいては、まずプリント基板のランド上にクリーム半田が印刷される（半田印刷工程）。次に、該クリーム半田の粘性に基づいてプリント基板上に電子部品が仮止めされる（マウント工程）。その後、かかるプリント基板がリフロー炉へ導かれ、クリーム半田を加熱溶融することで半田付けが行われる（リフロー工程）。このような基板製造ラインにおいては、プリント基板に係る検査を行う検査装置を設けることがある。
【０００３】
昨今では、プリント基板に係る検査を行うための検査装置として、ＡＩモデルを利用したものが提案されている。ＡＩモデルを利用する検査装置としては、例えば、プリント基板における被検査領域の検査用画像データ（元画像データ）と、該検査用画像データをＡＩモデル（識別手段）に入力して生成された再構成画像データとを比較することで、プリント基板における異物の有無を検査するものが知られている（例えば、特許文献１等参照）。
【０００４】
また、プリント基板に係る検査においては、例えば、クリーム半田の形状（二次元形状又は三次元形状）、クリーム半田に対する異物の付着有無などを判定することで、クリーム半田の検査を行うことがある。そこで、クリーム半田の検査を、上記のようなＡＩモデルを利用して行うことが考えられる。
【０００５】
ところで、品種によってプリント基板の構成は異なる。ここで、ＡＩモデルを、より多くの種類のプリント基板の検査に対応可能とするという点では、ランドごとにクリーム半田に係る検査用画像データを取得し、この検査用画像データを用いて検査を行うことが有効である。ランドや該ランドに印刷されるクリーム半田の構成（形状、サイズなど）は各種プリント基板で極端に大きく異ならないことが多いためである。
【０００６】
ランドごとにクリーム半田に係る検査用画像データを取得するにあたっては、取得する検査用画像データのサイズ（幅及び高さ）を、ランドからはみ出さないものとすることが好ましい。例えば、図３１，３２に示すように、検査用画像データのサイズを、ランド３のサイズ（例えば、図３１，３２にて太線で示す矩形のサイズ）と一致させることが好ましい。図３１等では、クリーム半田５に散点模様を付している。このような検査用画像データを利用することで、ランド周辺に存在するクリーム半田や回路パターン、レジストなどの影響を軽減することができる。
【０００７】
また、検査精度を高めるという点では、学習データのサイズ（幅及び高さ）と検査用画像データのサイズとを一致させることが好ましい。ここで、画像データの拡大、縮小によって学習データ及び検査用画像データの各サイズを合わせることも可能ではあるが、例えば一般的な部品サイズ「０６０３」における標準的なランドのサイズである幅０．２５～０．３５ｍｍ×高さ０．３０～０．４０ｍｍに対し、クリーム半田を構成する粒体の径（例えば、約３０μｍの平均粒径）は相対的に比較的大きなものであるから、拡大、縮小によって両画像データの各サイズを合わせることは検査精度の低下を招き得る。従って、検査精度の向上を図るという点では、両画像データのサイズをランドのサイズに一致させるとともに、ランドのサイズ（すなわち、両画像データのサイズ）ごとに異なる学習データを学習してなる複数のＡＩモデルを用意した上で、検査時には、検査用画像データのサイズ（つまり、ランドのサイズ）に応じて、複数のＡＩモデルの中から適切なＡＩモデルを選択し、選択したＡＩモデルを使用してクリーム半田の良否を判定することが考えられる。
【先行技術文献】
【特許文献】
【０００８】
特開２０２２－８８８１８号公報
【発明の概要】
【発明が解決しようとする課題】
【０００９】
しかしながら、同一種類の部品が搭載されるランドであっても、そのサイズは一定ではなく、多少異なるものとなっていることがある。例えば、同一の部品が搭載されるランドをそれぞれ有する２種類のプリント基板において、該ランドのサイズが両プリント基板間で多少異なるといったことがある。従って、ランドのサイズごとに異なるＡＩモデルを用意するためには、煩雑な作業を行わなければならず、多大な労力や手間が必要となるおそれがある。
【００１０】
本発明は、上記事情に鑑みてなされたものであり、その目的は、ＡＩモデルとしての識別手段を得るにあたっての労力や負担を低減することができるとともに、識別手段を、ランドのサイズが異なる場合であっても共通に利用することができる半田検査装置などを提供することにある。
【課題を解決するための手段】
（【００１１】以降は省略されています）

関連特許